Tracker

x %>% 
  dplyr::count(tracker)

Status

x %>% 
  dplyr::count(status)

Priority

x %>% dplyr::count(priority)

Category

x %>% 
  dplyr::count(category)

Version

x %>% 
  dplyr::count(version)

Affected

x %>% 
  dplyr::count(affected)

Open

x %>% 
  dplyr::count(open)

Tracker and Status

x %>% 
  dplyr::count(tracker, status) %>% 
  tidyr::spread(key = tracker, value = n)

Tracker and Priority

大半のチケットがステータスがClosedな対応が完了しているチケットですので、Closedを除くチケットに対する優先度を見て見ます。
　

x %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::count(tracker, priority) %>% 
  tidyr::spread(key = tracker, value = n)

Priority and Status

x %>% 
  dplyr::filter(status != "Closed" & tracker == "Defect") %>% 
  dplyr::count(priority, status) %>% 
  tidyr::spread(key = priority, value = n)

x %>% 
  dplyr::filter(status != "Closed" & tracker == "Patch") %>% 
  dplyr::count(priority, status) %>% 
  tidyr::spread(key = priority, value = n)

x %>% 
  dplyr::filter(status != "Closed" & tracker == "Defect") %>% 
  dplyr::filter(priority == "Urgent") %>% 
  dplyr::select(no, tracker, status, subject, assignee)

Priority and Category

x %>% 
  dplyr::filter(status != "Closed" & tracker == "Defect") %>% 
  dplyr::count(category, priority) %>% 
  tidyr::spread(key = priority, value = n)

Priority and Assignee

x %>% 
  dplyr::filter(status != "Closed" & tracker == "Defect") %>% 
  dplyr::count(priority, assignee) %>% 
  tidyr::spread(key = priority, value = n)

　
このデータではUrgentなチケットに担当者が割り当てられていないことが分かります。
　

日次集計

日次で集計する場合は日時の場合はlubridate::date関数で日付に変換しておきます。データがない日は集計対象外となります。稼働が発生していてデータがないのか、稼働が発生していないからデータがないのかで意味が変わってきますので集計の際には注意してください。
　

x %>% 
  dplyr::filter(open >= "2018-1-1" & tracker == "Defect") %>% 
  dplyr::mutate(flag = ifelse(is.na(open), 0, 1)) %>% 
  dplyr::group_by(open) %>% 
  dplyr::summarise(ticket = sum(flag)) %>% 
  dplyr::arrange(open) %>% 
  dplyr::mutate(`累計` = cumsum(ticket),
                `前日との差` = ticket - dplyr::lag(ticket))

週次集計

“週”を求めるにはlubridate::week関数を用います。ただし、lubridate::week関数は1から53までの値しか返しませんので、年をまたぐ際はlubridate::year関数などを用いて年の識別ができるようにしてください。
　

x %>% 
  dplyr::filter(open >= "2018-1-1" & tracker == "Defect") %>% 
  dplyr::mutate(week = lubridate::week(open)) %>% 
  dplyr::filter(!is.na(week)) %>% 
  dplyr::mutate(flag = ifelse(is.na(open), 0, 1)) %>% 
  dplyr::group_by(week) %>% 
  dplyr::summarise(ticket = sum(flag)) %>% 
  dplyr::arrange(week) %>% 
  dplyr::mutate(`累計` = cumsum(ticket),
                `前週との差` = ticket - dplyr::lag(ticket))

x %>% 
  dplyr::filter(open >= "2018-1-1" & tracker == "Defect") %>% 
  dplyr::mutate(week = lubridate::week(close)) %>% 
  dplyr::filter(!is.na(week)) %>% 
  dplyr::mutate(flag = ifelse(is.na(close), 0, 1)) %>% 
  dplyr::group_by(week) %>% 
  dplyr::summarise(ticket = sum(flag)) %>% 
  dplyr::arrange(week) %>% 
  dplyr::mutate(`累計` = cumsum(ticket),
                `前週との差` = ticket - dplyr::lag(ticket))

月次集計

“月”を求めるにはlubridate::month関数を用います。ただし、lubridate::month関数は1から12までの値しか返しませんので、年をまたぐ際はlubridate::year関数などを用いて年の識別ができるようにしてください。
　

x %>% 
  dplyr::filter(open >= "2018-1-1" & tracker == "Defect") %>% 
  dplyr::mutate(month = lubridate::month(open)) %>% 
  dplyr::mutate(flag = ifelse(is.na(open), 0, 1)) %>% 
  dplyr::group_by(month) %>% 
  dplyr::summarise(ticket = sum(flag)) %>% 
  dplyr::arrange(month) %>% 
  dplyr::mutate(`累計` = cumsum(ticket),
                `前月との差` = ticket - dplyr::lag(ticket))

四半期次集計

“四半期”を求めるにはlubridate::quarter関数を用います。年をまたぐ際はwith_yearオプションを使用すると年の識別ができるようになります。また、第一四半期が1月以外から始まる場合はfiscal_startオプションを使用してください。
　

x %>% 
  dplyr::filter(tracker == "Defect") %>% 
  dplyr::mutate(quarter = lubridate::quarter(open, with_year = TRUE,
                                             fiscal_start = 1)) %>% 
  dplyr::mutate(flag = ifelse(is.na(open), 0, 1)) %>% 
  dplyr::group_by(quarter) %>% 
  dplyr::summarise(ticket = sum(flag)) %>% 
  dplyr::arrange(quarter) %>% 
  dplyr::mutate(`累計` = cumsum(ticket),
                `前四半期との差` = ticket - dplyr::lag(ticket))

年次集計

“年”を求めるにはlubridate::year関数を用います。
　

x %>% 
  dplyr::filter(tracker == "Defect") %>% 
  dplyr::mutate(year = lubridate::year(open)) %>% 
  dplyr::mutate(flag = ifelse(is.na(open), 0, 1)) %>% 
  dplyr::group_by(year) %>% 
  dplyr::summarise(ticket = sum(flag)) %>% 
  dplyr::arrange(year) %>% 
  dplyr::mutate(`累計` = cumsum(ticket),
                `前年との差` = ticket - dplyr::lag(ticket))

滞留期間の可視化

2018年のチケットが優先度ごとにどれだけ期間滞留しているかを可視化してみます。分布を把握したい場合はヒストグラム、分布範囲を把握した場合は箱ひげ図が便利です。
　

x %>% 
  dplyr::filter(open >= "2018-1-1" & tracker == "Defect") %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::mutate(days = lubridate::today() - open + 1) %>% 
  dplyr::group_by(priority) %>% 
  dplyr::summarise(min = min(days), med = median(days), max = max(days))

x %>% 
  dplyr::filter(open >= "2018-1-1" & tracker == "Defect") %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::mutate(days = lubridate::today() - open + 1) %>% 
  ggplot2::ggplot(ggplot2::aes(x = days, fill = priority)) + 
    ggplot2::geom_histogram(alpha = 0.5, position = "identity")

x %>% 
  dplyr::filter(open >= "2018-1-1" & tracker == "Defect") %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::mutate(days = lubridate::today() - open + 1) %>% 
  ggplot2::ggplot(ggplot2::aes(x = priority, y = days, colour = priority)) + 
    ggplot2::geom_boxplot() + 
    ggplot2::geom_jitter() +
    ggplot2::coord_flip()

同様にカテゴリごとの滞留期間を可視化してみます。

x %>% 
  dplyr::filter(open >= "2018-1-1") %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::mutate(days = lubridate::today() - open + 1) %>% 
  dplyr::group_by(category) %>% 
  dplyr::summarise(min = min(days), med = median(days), max = max(days),
                   mode = which.max(table(days)))

x %>% 
  dplyr::filter(open >= "2018-1-1") %>% 
  dplyr::filter(status != "Closed") %>% 
  dplyr::mutate(days = lubridate::today() - open + 1) %>% 
  ggplot2::ggplot(ggplot2::aes(x = category, y = days)) + 
    ggplot2::geom_boxplot()

対処期間の可視化

カテゴリごとのチケット対処期間（開始日から終了日までの期間）を可視化してみます。
　

x %>% 
  dplyr::filter(status == "Closed") %>% 
  dplyr::mutate(days = close - open + 1) %>% 
  dplyr::group_by(category) %>% 
  dplyr::summarise(min = min(days), med = median(days), max = max(days),
                   mode = which.max(table(days)))

x %>% 
  dplyr::filter(status == "Closed") %>% 
  dplyr::mutate(days = close - open + 1) %>% 
  ggplot2::ggplot(ggplot2::aes(x = category, y = days)) + 
    ggplot2::geom_boxplot()

Priority vs Category, Open Tickets

x %>% 
  dplyr::filter(status != "Closed" & tracker == "Defect") %>% 
  dplyr::mutate(year = lubridate::year(open)) %>% 
  ggplot2::ggplot(ggplot2::aes(x = priority, fill = category)) + 
    ggplot2::geom_bar(alpha = 0.5) + 
    ggplot2::facet_wrap(~ year)

Priority vs Category, Closed Tickets

x %>% 
  dplyr::filter(status == "Closed" & tracker == "Defect") %>% 
  dplyr::mutate(year = lubridate::year(close)) %>% 
  ggplot2::ggplot(ggplot2::aes(x = priority, fill = category)) + 
    ggplot2::geom_bar(alpha = 0.5) + 
    ggplot2::facet_wrap(~ year)

Affected version vs Status

比率の可視化に利用する棒グラフも時系列で層別に描くと推移もみえるようになります。例えば、バージョンごとのチケットの完了状況をチケット起票年ごとに分けて表示することで過去バグと最近のバグの発生状況が俯瞰できるようになります。
　

x %>% 
  dplyr::filter(tracker == "Defect") %>% 
  dplyr::mutate(flag = ifelse(status == "Closed", "Closed", "Open")) %>% 
  dplyr::mutate(year = lubridate::year(open)) %>% 
  dplyr::filter(!is.na(affected)) %>% 
  ggplot2::ggplot(ggplot2::aes(x = affected, fill = flag)) + 
    ggplot2::geom_bar(alpha = 0.75) + 
    ggplot2::facet_wrap(~ year)

四半期ごとの完了チケット数

棒グラフを用いると時系列による比率の変化がみえるようになります。
　

x %>% 
  dplyr::filter(tracker == "Defect") %>% 
  dplyr::mutate(quarter = lubridate::quarter(close, with_year = TRUE,
                                             fiscal_start = 1)) %>% 
  dplyr::mutate(flag = ifelse(is.na(close), 0, 1)) %>% 
  dplyr::group_by(quarter, priority) %>% 
  dplyr::summarise(ticket = sum(flag)) %>% 
  dplyr::arrange(quarter) %>% 
  dplyr::filter(!is.na(quarter)) %>% 
  dplyr::mutate(`累計` = cumsum(ticket),
                `前四半期との差` = ticket - dplyr::lag(ticket)) %>% 
  ggplot2::ggplot(ggplot2::aes(x = as.character(quarter))) + 
    ggplot2::geom_bar(ggplot2::aes(y = ticket, fill = priority),
                      stat = "identity", alpha = 0.5) + 
    ggplot2::labs(x = "", y = "Number of 'Closed' Defect Ticket",
                  title = "四半期ごとの完了バグチケット数の推移")

週次傾向の可視化

前出の週次集計を可視化してみます。加えて平均起票数を基準として前週との起票数の差を折れ線グラフで表示しています。
　

open <- x %>% 
  dplyr::filter(open >= "2018-1-1" & tracker == "Defect") %>% 
  dplyr::mutate(week = lubridate::week(open)) %>% 
  dplyr::filter(!is.na(week))

close <- x %>% 
  dplyr::filter(open >= "2018-1-1" & tracker == "Defect") %>% 
  dplyr::filter(close >= "2018-1-1") %>% 
  dplyr::mutate(week = lubridate::week(close)) %>% 
  dplyr::filter(!is.na(week))

df_week <- 
  seq(ifelse(min(open$week) <= min(close$week), min(open$week), min(close$week)),
      ifelse(max(open$week) >= max(close$week), max(open$week), max(close$week)),
      by = 1) %>% as.data.frame()
names(df_week) <- c("week")

open <- x %>% 
  dplyr::filter(open >= "2018-1-1" & tracker == "Defect") %>% 
  dplyr::mutate(week = lubridate::week(open)) %>% 
  dplyr::filter(!is.na(week))

open <- df_week %>% 
  dplyr::left_join(open, by = "week") %>% 
  dplyr::mutate(flag = ifelse(is.na(open), 0, 1)) %>% 
  dplyr::group_by(week) %>% 
  dplyr::summarise(open = sum(flag)) %>% 
  dplyr::arrange(week) %>% 
  dplyr::mutate(cumopen = cumsum(open), diff = open - dplyr::lag(open))

open %>% 
  dplyr::rename(`週` = week, `チケットオープン数` = open, `累計` = cumopen,
                `前週との差` = diff)

open %>% 
  dplyr::mutate(diff_offset = diff + round(mean(open, na.rm = TRUE))) %>% 
  ggplot2::ggplot(ggplot2::aes(x = week)) +
    ggplot2::geom_bar(ggplot2::aes(y = open), stat = "identity", alpha = 0.25) + 
    ggplot2::geom_hline(yintercept = round(mean(open$open, na.rm = TRUE), 1),
                        colour = "#00bfc4", linetype = "dashed") + 
    ggplot2::geom_line(ggplot2::aes(y = diff_offset), colour = "#00bfc4",
                       size = 0.75)

close <- x %>% 
  dplyr::filter(open >= "2018-1-1" & tracker == "Defect") %>% 
  dplyr::filter(close >= "2018-1-1") %>% 
  dplyr::mutate(week = lubridate::week(close)) %>% 
  dplyr::filter(!is.na(week))
  
close <- df_week %>% 
  dplyr::left_join(close, by = "week") %>%
  dplyr::mutate(flag = ifelse(is.na(close), 0, 1)) %>% 
  dplyr::group_by(week) %>% 
  dplyr::summarise(close = sum(flag)) %>% 
  dplyr::arrange(week) %>% 
  dplyr::mutate(cumclose = cumsum(close), diff = close -dplyr::lag(close))

close %>% 
  dplyr::rename(`週` = week, `チケットクローズ数` = close, `累計` = cumclose,
                `前週との差` = diff)

close %>% 
  dplyr::mutate(diff_offset = diff + round(mean(close, na.rm = TRUE)), 1) %>% 
  ggplot2::ggplot(ggplot2::aes(x = week)) +
    ggplot2::geom_bar(ggplot2::aes(y = close), stat = "identity", alpha = 0.25) + 
    ggplot2::geom_hline(yintercept = round(mean(close$close, na.rm = TRUE)),
                        colour = "#f8766d", linetype = "dashed") + 
    ggplot2::geom_line(ggplot2::aes(y = diff_offset), colour = "#f8766d",
                       size = 0.75)

オープン・クローズチャート

前出の週次の集計から累計データに着目したものがオープン・クローズチャートです。オープン・クローズチャートはチケットの対応状況が一目で分かるグラフです。 　

week_ticket <- open %>% 
  dplyr::full_join(close, by = "week") %>% 
  dplyr::select(week, open, close) %>%
  tidyr::gather(key, value, -week)

open %>% 
  dplyr::full_join(close, by = "week") %>% 
  dplyr::select(week, cumopen, cumclose) %>%
  tidyr::gather(key, value, -week) %>% 
  dplyr::left_join(week_ticket, by = "week") %>% 
  ggplot2::ggplot(ggplot2::aes(x = week)) + 
    ggplot2::geom_bar(ggplot2::aes(y = value.y, fill = key.y),
                      stat = "identity", alpha = 0.5, position = "dodge") +
    ggplot2::geom_line(ggplot2::aes(y = value.x, colour = key.x),
                       stat = "identity", size = 0.75) + 
    ggplot2::scale_color_hue(name = "累計",
                             labels = c(cumclose = "Closed", cumopen = "Open")) +
    ggplot2::scale_fill_hue(name = "週次",
                            labels = c(close = "Closed", open = "Open")) +
    ggplot2::labs(y = "Number of Defect Ticket",
                  title = "週次のバグチケット数の推移")

　
個別にチャートを描いた場合に見えたようにクローズ傾向が低調なため処理が完了しないチケットが増えていることが分かります。
このグラフに試験項目数（計画、実績）のバーンダウンチャートを加えれば週次管理表になります。
　

日次のオープン・クローズチャート

日次の場合は試験稼働が発生していない日はチケット起票がゼロとは言えず、無稼働日を除かないとチャートが横に寝てしまい正しい傾向が掴めませんので注意してください。
　

open <- x %>% 
  dplyr::filter(open >= "2018-1-1" & tracker == "Defect") %>% 
  dplyr::filter(!is.na(open))

close <- x %>% 
  dplyr::filter(open >= "2018-1-1" & tracker == "Defect") %>% 
  dplyr::filter(close >= "2018-1-1") %>% 
  dplyr::filter(!is.na(close))

start <- ifelse(range(open$open)[1] <= range(close$close)[1],
                range(open$open)[1], range(close$close)[1]) %>%
  lubridate::as_date()
                
end <- ifelse(range(open$open)[2] <= range(close$close)[2],
              range(open$open)[2], range(close$close)[2]) %>%
  lubridate::as_date()

df_days <- 
  seq(start, end, by = 1) %>% as.data.frame()
names(df_days) <- c("days")

open_ticket <- df_days %>% 
  dplyr::left_join(open, by = c("days" = "open")) %>% 
  dplyr::mutate(flag = ifelse(is.na(no), 0, 1)) %>% 
  dplyr::group_by(days) %>% 
  dplyr::summarise(open = sum(flag)) %>% 
  dplyr::arrange(days) %>% 
  dplyr::mutate(cumopen = cumsum(open))

close_ticket <- df_days %>% 
  dplyr::left_join(close, by = c("days" = "close")) %>%
  dplyr::mutate(flag = ifelse(is.na(no), 0, 1)) %>% 
  dplyr::group_by(days) %>% 
  dplyr::summarise(close = sum(flag)) %>% 
  dplyr::arrange(days) %>% 
  dplyr::mutate(cumclose = cumsum(close))

bar_data <- open_ticket %>% 
  dplyr::left_join(close_ticket, by = "days") %>% 
  dplyr::select(days, open, close) %>% 
  tidyr::gather(key, value , -days)

line_data <- open_ticket %>% 
  dplyr::left_join(close_ticket, by = "days") %>% 
  dplyr::select(days, cumopen, cumclose) %>% 
  tidyr::gather(key, value , -days)

bar_data %>% 
  dplyr::left_join(line_data, by = "days") %>% 
  ggplot2::ggplot(ggplot2::aes(x = days)) + 
    ggplot2::geom_bar(ggplot2::aes(y = value.x, fill = key.x),
                      stat = "identity", alpha = 0.5, position = "dodge") +
    ggplot2::geom_line(ggplot2::aes(y = value.y, colour = key.y),
                       stat = "identity", size = 0.75) + 
    ggplot2::scale_color_hue(name = "累計",
                             labels = c(cumclose = "Closed", cumopen = "Open")) +
    ggplot2::scale_fill_hue(name = "日次",
                            labels = c(close = "Closed", open = "Open")) +
    ggplot2::labs(y = "Number of Defect Ticket",
                  title = "日次のバグチケット数の推移")

ヒートマップ

推移を見るには前述のように折れ線グラフや棒グラフを利用することが多いですが、対象期間が長くなるとグラフが見難くなる場合があります。そんな時に便利なグラフがヒートマップです。数値の大小を色で表で表しますので、特にピークやボトムの推移を把握するのに向いています。 　

x %>% 
  dplyr::filter(tracker == "Defect") %>% 
  dplyr::count(open) %>% 
  dplyr::mutate(year = lubridate::year(open), month = lubridate::month(open),
                week = lubridate::week(open),
                wday = lubridate::wday(open, label = TRUE),
                mweek = week - 
                  lubridate::week(lubridate::floor_date(open, "month")) + 1) %>%
  ggplot2::ggplot(ggplot2::aes(x = mweek, y = wday, fill = n)) + 
    ggplot2::facet_grid(year ~ month) + 
    ggplot2::geom_tile() + 
    ggplot2::scale_fill_gradient(low = "gray", high = "red") + 
    ggplot2::labs(x = "", y = "") + 
    ggplot2::theme_bw()

週次ヒートマップ

各月の第何曜日にピークがあるかを見る場合には月内週数計算に注意が必要です。月内週数を計算する関数がないため、週番号から月初日の週番号を差し引いて月内週数を求める必要があります。しかし、週番号は様々な定義があるため定義を理解していないと意図した結果にならない場合があります。
　

　
特にカレンダーをイメージした月内週数を得たい場合にはlubridate::isoweek関数を使用してください。ただし、ISO 8601 の定義を理解しておく必要があります。
　
特に以下の点に注意してください。

• 週の始まりは月曜日
• 1月の最初の週は第52週や第53週になる場合がある（例：2016年1月）
• 12月の最終週は第1週になる場合がある（例：2013年12月30日）

　
月内週数は以下の計算で求められます。

\[指定日の週番号 - 月初日の週番号 + 1\]

Rで計算する場合はlubridateパッケージを用います。ISO 8601で計算されますので、上記の注意事項を考慮して以下のようなコードになります。xは月内週数を計算したい日（指定日）です。

lubridate::isoweek(x) - lubridate::isoweek(lubridate::floor_date(x), "month") + offset

offsetは以下のように条件により値が異なる点に注意してください。
　

x %>% 
  dplyr::filter(tracker == "Defect") %>% 
  dplyr::select(date = open) %>% 
  dplyr::mutate(date = lubridate::as_date(date)) %>% 
# ヒートマップに項目に応じて年、月、週、日、曜日などを求める
  dplyr::mutate(year = lubridate::year(date), month = lubridate::month(date),
                week = lubridate::isoweek(date), day = lubridate::day(date),
                wday = lubridate::wday(date, label = TRUE, week_start = 1),
                tweek = lubridate::isoweek(lubridate::floor_date(date, "month"))) %>% 
# ISO 8601に特有の処理
  dplyr::mutate(offset = ifelse(tweek == 53, 54, 1)) %>% 
  dplyr::mutate(offset = ifelse(tweek == 52, 53, offset)) %>% 
  dplyr::mutate(offset = ifelse(tweek > week, tweek - week + 1, offset)) %>%
# 例外処理
  dplyr::mutate(offset = ifelse(tweek == week, 1, offset)) %>%
# 月内の週数を計算する
  dplyr::mutate(mweek = week - tweek + offset) %>%
  dplyr::count(mweek, wday) %>% 
  ggplot2::ggplot(ggplot2::aes(x = mweek, y = wday, fill = n)) + 
    ggplot2::geom_tile() + 
    ggplot2::scale_fill_gradient(low = "white", high = "red") +
    ggplot2::labs(x = "", y = "曜日") +
    ggplot2::theme_bw() + ggplot2::coord_flip()